基于混合神经网络模型的景区客流预测方法和装置制造方法及图纸

本发明专利技术公开了基于混合神经网络模型的景区客流预测方法和装置。本发明专利技术的方法包括：获取景区周边公共交通客流登降时序数据以及景区客流时序数据；将景区周边公共交通客流登降时序数据以及景区客流时序数据作为卷积神经网络模型的输入对象，利用卷积神经网络模型进行特征提取，得到特征向量；利用长短期记忆网络模型对特征向量进行处理，将处理得到的景区客流时序数据作为预测结果。本发利用卷积神经网络模型提取景区周边公共交通登降时序数据与景区客流时序数据之间的潜在关系并形成特征向量，最后将特征向量以时间序列方式输入长短期记忆网络模型中进行景区客流预测，提高了对景区客流的预测精度。

【技术实现步骤摘要】
基于混合神经网络模型的景区客流预测方法和装置
本专利技术涉及计算机领域，尤其涉及一种基于混合神经网络模型的景区客流预测方法和装置。
技术介绍
随着我国旅游业的蓬勃发展，游客量逐年上升，据世界旅游组织预测，2020年中国将成为世界第一旅游目的地，第四大客源输出国。因此，旅游需求预测在国家旅游发展政策制定、旅游市场资源优化配置、旅游企业战略实施等方面有着极为重要的作用，而游客人数预测又是旅游需求预测的核心，同时也是众多学者研究的难点课题。在数据选择方面，城市公共交通数据采集和分析技术可以提供及时、准确、可靠地公共交通运行数据和客流信息，而既有研究大多采用单一类型的客流监测数据，局限性高且数据量小，缺乏对景区周边多模式交通客流的融合分析，无法满足景区的综合预测预警需要。在预测方法的选择方面，由于景区客流量易受天气、节假日等诸多外部因素影响，具有复杂的非线性与波动性，很难捕捉其内在变化规律，然而传统的宏观客流预测方法，如时序分析模型(ARMA、ARIMA)、支持向量回归(SVR)等大多基于数理统计的思想，事先建立序列的主观模型，再根据主观模型进行预测，缺少对数据样本的学习过程，不具备泛化和自学习的能力，难以实现对景区客流的精准预测。近年来，人工神经网络在金融、能源、交通等领域的短期时序预测中的得到了大量应用与发展，如长短期记忆模型(LSTM)、BP神经网络、卷积神经网络(CNN)等，其中LSTM因其不仅易于实现任何复杂非线性映射功能，且能够发挥模型固有的长期记忆的能力，而成为应用较为成功的时序预测方法，但它并不能有效挖掘非连续数据之间蕴含的有效信息与潜在关系，进而导致对景区客流的预测精度不够。
技术实现思路
本专利技术的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。本专利技术的一个目的是提供基于混合神经网络模型的景区客流预测方法，其可以提高对于景区客流的预测精度。本专利技术的另一个目的是提供基于混合神经网络模型的景区客流预测装置，其可以提高对于景区客流的预测精度。为了实现根据本专利技术的这些目的和其它优点，提供了一种基于混合神经网络模型的景区客流预测方法，包括：获取景区周边公共交通客流登降时序数据以及景区客流时序数据；将所述景区周边公共交通客流登降时序数据以及所述景区客流时序数据作为卷积神经网络模型的输入对象，利用所述卷积神经网络模型对景区周边公共交通客流登降时序数据以及景区客流时序数据进行特征提取，得到特征向量；利用长短期记忆网络模型对所述特征向量进行处理，将处理得到的景区客流时序数据作为预测结果。优选的是，所述的基于混合神经网络模型的景区客流预测方法中，所述景区周边公共交通客流登降时序数据包括景区周边公共交通到达客流时序数据和景区周边公共交通离开客流时序数据。优选的是，所述的基于混合神经网络模型的景区客流预测方法中，所述景区周边公共交通客流登降时序数据的来源包括公交车客流登降时序数据、地铁客流登降时序数据、出租车客流登降时序数据、共享单车客流登降时序数据以及公租自行车客流登降时序数据中的一种或者多种。优选的是，所述的基于混合神经网络模型的景区客流预测方法中，所述获取所述景区周边公共交通客流登降时序数据，包括：规划一个研究区域，所述研究区域覆盖所述景区；判断公共交通OD数据中起点和终点中是否存在至少一个地点位于所述研究区域内，获取所述公共交通OD数据位于所述研究区域内的地点的客流登降时序数据。为了实现根据本专利技术的这些目的和其它优点，提供了一种基于混合神经网络模型的景区客流预测装置，包括：获取模块，用于获取景区周边公共交通客流登降时序数据以及景区客流时序数据；提取模块，用于将所述景区周边公共交通客流登降时序数据以及所述景区客流时序数据作为卷积神经网络模型的输入对象，利用所述卷积神经网络模型对景区周边公共交通客流登降时序数据以及景区客流时序数据进行特征提取，得到特征向量；处理模块，用于利用长短期记忆网络模型对所述特征向量进行处理，将处理得到的景区客流时序数据作为预测结果。优选的是，所述的基于混合神经网络模型的景区客流预测装置中，所述景区周边公共交通客流登降时序数据包括景区周边公共交通到达客流时序数据和景区周边公共交通离开客流时序数据。优选的是，所述的基于混合神经网络模型的景区客流预测装置中，所述景区周边公共交通客流登降时序数据的来源包括公交车客流登降时序数据、地铁客流登降时序数据、出租车客流登降时序数据、共享单车客流登降时序数据以及公租自行车客流登降时序数据中的一种或者多种。优选的是，所述的基于混合神经网络模型的景区客流预测装置中，所述获取模块包括：规划模块，用于规划一个研究区域，所述研究区域覆盖所述景区；获取子模块，用于判断公共交通OD数据中起点和终点中是否存在至少一个地点位于所述研究区域内，获取所述公共交通OD数据位于所述研究区域内的地点的客流登降时序数据。本专利技术还提供了一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述的方法。本专利技术还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时，实现所述的方法。本专利技术至少包括以下有益效果：本专利技术采用景区周边公共交通登降时序数据与景区客流时序数据，利用卷积神经网络模型提取景区周边公共交通登降时序数据与景区客流时序数据之间的潜在关系，并形成特征向量，最后将特征向量以时间序列方式输入长短期记忆网络模型中进行景区客流预测。实验结果表明，该方法较传统客流预测方法ARIMA模型与标准LSTM网络预测方法具有更高的预测精度，且具有一定的鲁棒性。研究成果能为交通运输管理部门动态调整交通运力与景区管理部门评价客流疏导方案提供科学方法和技术支持。本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。附图说明图1为本专利技术的基于混合神经网络模型的景区客流预测方法的一个实施例的流程图；图2(a)为本专利技术的基于混合神经网络模型的景区客流预测方法的一个实施例中公交车到达客流时序数据的示意图；图2(b)为本专利技术的基于混合神经网络模型的景区客流预测方法的一个实施例中公交车离开客流时序数据的示意图；图2(c)为本专利技术的基于混合神经网络模型的景区客流预测方法的一个实施例中地铁到达客流时序数据的示意图；图2(d)为本专利技术的基于混合神经网络模型的景区客流预测方法的一个实施例中地铁离开客流时序数据的示意图；图2(e)为本专利技术的基于混合神经网络模型的景区客流预测方法的一个实施例中出租车到达客流时序数据的示意图；图2(f)为本专利技术的基于混合神经网络模型的景区客流预测方法的一个实施例中出租车离开客流时序数据的示意图；图2(g)为本专利技术的本文档来自技高网...

【技术保护点】
1.基于混合神经网络模型的景区客流预测方法，其特征在于，包括：/n获取景区周边公共交通客流登降时序数据以及景区客流时序数据；/n将所述景区周边公共交通客流登降时序数据以及所述景区客流时序数据作为卷积神经网络模型的输入对象，利用所述卷积神经网络模型对景区周边公共交通客流登降时序数据以及景区客流时序数据进行特征提取，得到特征向量；/n利用长短期记忆网络模型对所述特征向量进行处理，将处理得到的景区客流时序数据作为预测结果。/n

【技术特征摘要】
1.基于混合神经网络模型的景区客流预测方法，其特征在于，包括：
获取景区周边公共交通客流登降时序数据以及景区客流时序数据；
将所述景区周边公共交通客流登降时序数据以及所述景区客流时序数据作为卷积神经网络模型的输入对象，利用所述卷积神经网络模型对景区周边公共交通客流登降时序数据以及景区客流时序数据进行特征提取，得到特征向量；
利用长短期记忆网络模型对所述特征向量进行处理，将处理得到的景区客流时序数据作为预测结果。


2.如权利要求1所述的基于混合神经网络模型的景区客流预测方法，其特征在于，所述景区周边公共交通客流登降时序数据包括景区周边公共交通到达客流时序数据和景区周边公共交通离开客流时序数据。


3.如权利要求2所述的基于混合神经网络模型的景区客流预测方法，其特征在于，所述景区周边公共交通客流登降时序数据的来源包括公交车客流登降时序数据、地铁客流登降时序数据、出租车客流登降时序数据、共享单车客流登降时序数据以及公租自行车客流登降时序数据中的一种或者多种。


4.如权利要求1至3中任一项所述的基于混合神经网络模型的景区客流预测方法，其特征在于，所述获取所述景区周边公共交通客流登降时序数据，包括：
规划一个研究区域，所述研究区域覆盖所述景区；
判断公共交通OD数据中起点和终点中是否存在至少一个地点位于所述研究区域内，获取所述公共交通OD数据位于所述研究区域内的地点的客流登降时序数据。


5.一种基于混合神经网络模型的景区客流预测装置，其特征在于，包括：
获取模块，用于获取景区周边公共交通客流登降时序数据以及景区客流时序数据；
提取模块，用于将所述景区周边公共交通客流登降时序数据以及所...

【专利技术属性】
技术研发人员：张健钦，张学东，高智文，杨卫军，
申请(专利权)人：北京建筑大学，广州市城市规划勘测设计研究院，
类型：发明
国别省市：北京;11